目標任務：爬取騰訊社招信息，需要爬取的內容為：職位名稱，職位的詳情鏈接，職位類別，招聘人數，工作地點，發布時間。

一、創建Scrapy項目

scrapy startproject Tencent

命令執行后，會創建一個Tencent文件夾，結構如下

二、編寫item文件，根據需要爬取的內容定義爬取字段

# -*- coding: utf-8 -*-import scrapyclass TencentItem(scrapy.Item):  # 職位名  positionname = scrapy.Field()  # 詳情連接  positionlink = scrapy.Field()  # 職位類別  positionType = scrapy.Field()  # 招聘人數  peopleNum = scrapy.Field()  # 工作地點  workLocation = scrapy.Field()  # 發布時間  publishTime = scrapy.Field()

三、編寫spider文件

進入Tencent目錄，使用命令創建一個基礎爬蟲類：

# tencentPostion為爬蟲名，tencent.com為爬蟲作用范圍scrapy genspider tencentPostion "tencent.com"

執行命令后會在spiders文件夾中創建一個tencentPostion.py的文件，現在開始對其編寫：

# -*- coding: utf-8 -*-import scrapyfrom tencent.items import TencentItemclass TencentpositionSpider(scrapy.Spider):  """  功能：爬取騰訊社招信息  """  # 爬蟲名  name = "tencentPosition"  # 爬蟲作用范圍  allowed_domains = ["tencent.com"]  url = "http://hr.tencent.com/position.php?&start="  offset = 0  # 起始url  start_urls = [url + str(offset)]  def parse(self, response):    for each in response.xpath("http://tr[@class='even'] | //tr[@class='odd']"):      # 初始化模型對象      item = TencentItem()      # 職位名稱      item['positionname'] = each.xpath("./td[1]/a/text()").extract()[0]      # 詳情連接      item['positionlink'] = each.xpath("./td[1]/a/@href").extract()[0]      # 職位類別      item['positionType'] = each.xpath("./td[2]/text()").extract()[0]      # 招聘人數      item['peopleNum'] = each.xpath("./td[3]/text()").extract()[0]      # 工作地點      item['workLocation'] = each.xpath("./td[4]/text()").extract()[0]      # 發布時間      item['publishTime'] = each.xpath("./td[5]/text()").extract()[0]      yield item    if self.offset < 1680:      self.offset += 10    # 每次處理完一頁的數據之后，重新發送下一頁頁面請求    # self.offset自增10，同時拼接為新的url，并調用回調函數self.parse處理Response    yield scrapy.Request(self.url + str(self.offset), callback = self.parse)

四、編寫pipelines文件

# -*- coding: utf-8 -*-import jsonclass TencentPipeline(object):　　"""     功能：保存item數據   """  def __init__(self):    self.filename = open("tencent.json", "w")  def process_item(self, item, spider):    text = json.dumps(dict(item), ensure_ascii = False) + ",/n"    self.filename.write(text.encode("utf-8"))    return item  def close_spider(self, spider):    self.filename.close()